Агенты ИИ в IT: 60% ежедневных задач раскрыты

Рост использования ИИ-агентов в предприятиях

ИИ-агенты становятся следующей большой тенденцией в мире технологий, и кажется, что все хотят принять участие в этом процессе. Но чем именно занимаются эти агенты внутри компаний? Во многих случаях они не только выполняют свои собственные задачи, но и помогают создавать новых агентов. Они особенно полезны в ИТ-отделах, где они управляют производительностью систем, включая саму инфраструктуру, поддерживающую другие ИИ-агенты. Однако их роли могут значительно различаться в разных отраслях.

Недавний опрос, проведенный Cloudera с участием 1484 ИТ-лидеров, показал, что поразительные 96% организаций планируют расширить использование ИИ в течение следующего года. Это впечатляющая цифра, учитывая, что обычно не менее 10% респондентов в любом опросе являются выбросами. Более того, 57% этих организаций уже начали внедрять ИИ-агентов в последние два года. Однако энтузиазм сдерживается опасениями по поводу конфиденциальности данных, проблем интеграции и качества данных, которые могут потенциально сорвать эти планы.

Текущие применения и стратегии внедрения

Большинство ИИ-агентов, используемых в настоящее время, встроены в ИТ-операции, причем основное внимание уделяется оптимизации производительности (66%), мониторингу безопасности (63%) и помощи в разработке (62%). Откуда берутся эти агенты? Значительные 66% респондентов создают этих агентов с использованием корпоративных платформ ИИ-инфраструктуры, в то время как 60% используют агентские возможности, уже встроенные в их основные приложения. По словам авторов опроса, такой подход подчеркивает предпочтение масштабируемых, безопасных развертываний, тесно связанных с источниками данных.

Помимо оптимизации ИТ, ИИ-агенты оставляют свой след в операциях, связанных с клиентами, в основном в поддержке клиентов (78%), автоматизации процессов (71%) и предсказательной аналитике (57%). Когда дело доходит до создания этих агентов, предпочтительными технологиями являются корпоративные платформы ИИ-инфраструктуры (66%), агентские возможности внутри приложений (60%) и специализированные платформы и фреймворки для ИИ-агентов (60%).

Проблемы и опасения

Конечно, ИИ-агенты не лишены проблем. Общие трудности включают опасения по поводу конфиденциальности данных (53%), сложности интеграции с существующими системами (40%) и высокие затраты на внедрение (39%). Более трети (37%) респондентов считают интеграцию ИИ-агентов в текущие системы и рабочие процессы «очень» или «чрезвычайно» сложной. Как отметили авторы опроса, развертывание ИИ-агентов далеко не простое подключение и работа, что перекликается с постоянными проблемами, наблюдаемыми при предыдущих технологических достижениях.

Технологические лидеры стремятся к улучшениям в ИИ-агентах, особенно в таких областях, как функции конфиденциальности и безопасности данных (65%), более быстрые варианты обучения и настройки (54%), улучшенная обработка естественного языка (51%) и улучшенное контекстное понимание (50%).

Отраслевые варианты использования

Варианты использования ИИ-агентов значительно различаются в разных отраслях:

• В финансах и страховании ведущими приложениями являются обнаружение мошенничества (56%), оценка рисков (44%) и консультативные услуги по инвестициям (38%).
• В производстве ИИ-агенты используются для автоматизации процессов (49%), оптимизации цепочек поставок (48%) и контроля качества (47%).
• В здравоохранении ИИ-агенты в основном применяются для планирования встреч (51%), помощи в диагностике (50%) и обработки медицинских записей (47%).
• Телекоммуникации используют ИИ-агентов для ботов поддержки клиентов (49%), улучшения клиентского опыта (44%) и мониторинга безопасности (49%).

Рекомендации по внедрению ИИ-агентов

Опрос Cloudera предлагает несколько рекомендаций для компаний, стремящихся эффективно внедрять ИИ-агентов:

• Укрепление основ данных: Убедитесь, что у вас есть современная архитектура данных и унифицированные платформы, способные обрабатывать разнообразные и объемные данные, необходимые для ИИ-агентов.
• Фокус на проектах с высоким эффектом: Начните с инициатив, обещающих немедленную отдачу от инвестиций, таких как поддержка клиентов и автоматизация процессов, которые напрямую решают критические бизнес-потребности.
• Установление четкой ответственности: Определите, кто отвечает за производительность агента — разработчик, владелец бизнеса или операционная команда.
• Разработка систем управления и этики: Внедрите системы для аудита предвзятости, обеспечения прозрачности в принятии решений и регулярной оценки поведения агентов в соответствии с политиками компании и ожиданиями пользователей.
• Повышение квалификации команд: Перейдите за рамки базового обучения, чтобы развивать гибридные навыки, которые позволяют сотрудникам создавать, интегрировать и понимать ИИ-агентов, способствуя культуре непрерывного обучения и сотрудничества между людьми и ИИ.

Энтузиазм, отраженный в ответах на опрос, предполагает, что ИИ-агенты готовы стать следующей крупной волной в технологиях ИИ, предлагая целевые решения, а не сложные, всеобъемлющие системы, которых многие опасались. Будет увлекательно посмотреть, станет ли запланированный уровень принятия в 96% реальностью.